Experiments for Enhancing Tailings Slurry Drainage and Geotechnical Performance Using Nonsegregation Flocculation and Geotextile
Notice bibliographique
Résumé
Abstract Pumping tailings slurry into geotextile bags is a burgeoning method employed to build tailings dams with improved tailings management. Fine contents bring great challenges for tailings stability. In this article, nonsegregation flocculation was selected for fine tailings. Experiments were carried out in three campaigns: nonsegregation flocculation of tailings slurry to reduce fine content in supernatant (low turbidity); water drainage evaluation via filtration tests, plus the measurement of capillary suction time; and the study of geotechnical properties, including hydraulic conductivity and yield strength. From the results, it is demonstrated that the tailings slurry without flocculation showed apparent particle segregation and poor drainage performance compared to tailings with nonsegregation flocculation. The yield strength with nonsegregation tailings was enhanced by two times to initial values. Scanning electron microscopy image analysis was used to check the attachment status of solid particles on geotextile surfaces after being used for filtration tests. The mechanism of enhancing geotextile drainage revealed that increased permeability and reduced geotextile pore-plugging should account for the enhanced water drainage and tailings stability. A pattern of achieving optimal drainage strategy of geotextile bag was recommended for building a tailings dam, which is to use large-sized flocs plus geotextiles with large pore sizes (up to 0.6 mm).
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».